بلاگ

مدلسازی فارماکوفری بطور گسترده ای در جستجوی مجازی (Virtual screening)، طراحی دی نو وو (De-novo design)، و سایر زمینه ها در شیمی دارویی همچون بهینه سازی ترکیب رهبر (Lead compound) و طراحی چند هدفی (Multitarget design) به کار میروند. از این رو کاربرد گسترده ای در کشف، طراحی و ارائه ترکیبات رهبر جدید در فرآیند ارائه یک ترکیب دارویی جدید دارند.

مفهوم فارماکوفور (Pharmacophore) اولین بار در سال 1909 توسط Ehrlich معرفی شد: فارماکوفر یک چهارچوب مولکولی است که ویژگی های ضروری مسئول ایجاد فعالیت های زیستی یک دارو را حمل میکند. پس از گذشت یک قرن، مفهوم فارماکوفر همچنان بدون تغییر باقی مانده است، اما محدوده کاربرد آن بطور قابل توجهی افزایش یافته است، مطابق با آخرین تعریفی که آیوپاک ارائه نموده است، یک مدل فارماکوفری مجموعهای از ویژگیهای استریک و الکترواستاتیکی است که برهمکنش های بهینه با یک هدف زیستی معین را ایجاد میکنند. میتوان از این تعریف نتایج ذیل را استنباط نمود:

یک فارماکوفر نقاط تعیین کننده الکترونیک و استریک ضروری مورد نیاز برای یک برهمکنش بهینه با هدف دارویی مورد نظر را توصیف مینماید.
یک فارماکوفر ارائه دهنده یک مولکول حقیقی یا مجموعهای واقعی از گروههای عاملی نیست، اما یک مفهوم انتزاعی است که ظرفیت برهمکنش مولکولی مشترک گروهی از ترکیبات را نسبت به سایت پیوندی یک ساختار هدف نشان میدهد.
تصویر ذیل یک مدل فارماکوفر را همراه با سه نوع از ویژگی های شیمیایی و موقعیت استقرار فضایی سه بعدی آنها نسبت به هم را نشان میدهد.

که این مدل فارماکوفر از یک پذیرنده پیوند هیدروژنی ( سبز رنگ )، سه مرکز آب گریز ( آبی روشن )، و یک مرکز قابل یونیزه شدن منفی ( آبی تیره ) تشکیل شده است.

یک مدل فارماکوفری اطلاعات مفیدی را در اختیار یک شیمیدان دارویی قرار میدهد تا ارتباط ساختار را با فعالیت بررسی نماید. علت آن است که مدل فارماکوفری طبیعت گروههای شرکت کننده در برهمکنشهای لیگاند و هدف و نیز نوع فواصل بین بارها و پیوندهای غیر کوولانسی را توصیف مینماید.

یک مدل فارماکوفری را میتوان به روش لیگاند محور، از طریق تراز نمودن (alignment) مجموعهای از مولکولهای فعال روی هم و بدست آوردن ویژگیهای مشترکی که برای فعالیت زیستی آنها ضروری هستند، یا ساختار محور، از طریق جستجوی نقاط برهمکنش ممکن بین هدف بزرگ مولکولی و لیگاند ها بدست آورد.

مدلسازی فارماکوفری لیگاند محور به یک استراژی محاسباتی کلیدی برای کشف دارو در غیاب هدف بزرگ مولکول تبدیل شده است. این روش معمولاً از طریق استخراج ویژگیهای شیمیایی مشترک از ساختارهای سه بعدی مجموعهای از لیگاندهای شناخته شده که برهمکنش های ضروری بین لیگاندها و هدف بزرگ مولکولی خاص را ارائه میدهند انجام میشود.

طی دهه گذشته، به دنبال افزایش دسترسی به ساختارهای تجربی هدفهای بزرگ مولکول روشهای ساختار- محور ( که روشهای هدف – محور یا روشهای مستقیم نیز نامیده میشوند) بسیار مورد توجه قرار گرفتهاند. اطلاعات مربوط به ساختار هدف را میتوان از مدل سازی همولوژی نیز به دست آورد، که امروزه بزرگترین مجموعه داده ساختارهای X-ray و NMR پروتئینها و کمپلکسهای پروتئین – لیگاند، بانک اطلاعات پروتئین است.

این مدل سازی مستقیماً با ساختار سه بعدی یک هدف بزرگ مولکول یا یک کمپلکس لیگاند -بزرگ مولکول کار میکند. مدل سازی فارماکوفری ساختار محور ویژگیهای شیمیایی سایت فعال و ارتباطات فضایی آنها را آنالیز میکند.

می توان از مدل فارماکوفری که از طریق روشهای لیگاند محور یا ماکرومولکول محور تولید شده است برای جستجوی مجموعه دادههای شیمیایی سه بعدی استفاده نمود که از این طریق میتوان لیگاندهای فعال احتمالی را مورد شناسایی قرار داد، به این روش جستجوی مجازی بر مبنای فارماکوفر میگویند. در حال حاضر این روش و روش جستجوی بر مبنای الحاق نمودن (docking) ابزارهای اصلی جستجوی مجازی هستند. در مقایسه با روش الحاق نمودن روش جستجوی بر مبنای فارماکوفر با مسئله عدم توجه کافی به انعطاف پذیری پروتئین یا عدم استفاده از توابع نمره دهی (Scoring functions)بهینه مواجه نیست، علت آن است که در هر مدل برای هر ویژگی فارماکوفری محدوده ای برای تغییر شعاع کره مربوط به ویژگی مورد نظر در نظر گرفته میشود. در روش جستجوی مجازی از طریق فارماکوفر، یک مدل فارماکوفری به عنوان الگو تعیین میشود و هدف از جستجو، یافتن مولکولهایی است که ویژگیهای شیمیایی آنها مشابه با الگوی ساخته شده باشد، اما ممکن است تعداد دیگری از آنها دارای اسکلت مولکولی کاملا جدیدی باشند. جستجو برای یافتن ترکیباتی که با اسکلت متفاوت فعالیت زیستی یکسانی دارند Scaffold hopping نامیده میشود

یکی از بهترین روش های موجود برای بررسی ساختار و رفتار مواد، شبیه سازی رایانه ای است. امروزه با پیشرفت فن آوری رایانه ها، به شبیه سازی هایی که برای محاسبه خواص مواد با استفاده از ساختار ذرات تشکیل دهنده آن ها انجام می گیرد توجه ویژه ای می شود. از جمله مزایای روش های شبیه سازی می توان به موارد زیر اشاره کرد:

کاهش تعداد آزمایش های لازم

صرفه جویی در زمان و هزینه های تحقیقاتی

درک بهتر مسائل شیمی و فیزیک

آزمایش سریعتر فرضیه ها و نظریه های جدید

آزمایش های بدون مواد زائد و پسماند

امنیت و تمیزی آزمایش ها

دستیابی همزمان به نتایج چندین آزمایش در زمینه های مختلف

تکنیک های تجربی فقط برای ترکیباتی که در شرایط موجود پایدار هستند به کار می روند. درحالی که روش های محاسباتی برای ترکیبات ناپایدار و حتی برای ترکیب هایی که هنوز ناشناخته اند نیز قابل استفاده می باشند. اولین شبیه سازی رایانه ای در سال 1949 توسط متروپلیس و همکارانش بر روی سیالات انجام گرفت. این مطالعه منجر به پیدایش روش شبیه سازی مونت کارلو شد. در اواخر دهه 1950 آلدر و وینرایت اولین شبیه سازی دینامیک مولکولی را با مطالعه یک مدل کره-سخت انجام دادند. اولین شبیه سازی دینامیک مولکولی به روی پروتئین ها در سال 1977 توسط مک کامن و کارپلوس در دانشگاه هاروارد انجام گرفت. تفاوت آشکار میان روش های شبیه سازی دینامیک مولکولی و مونت کارلو که دو روش عمده شبیه سازی های رایانه ای به شمار می آیند در آن است که دینامیک مولکولی اطلاعاتی درباره وابستگی زمانی خواص سیستم در اختیار می گذارد، درحالی که بین پیکربندی های متوالی مونت کارلو ارتباط زمانی وجود ندارد. در روش های دینامیک مولکولی، که جزء روش های تعیّنی هستند، پیکربندی های پی در پی سیستم با هم ارتباط زمانی دارند، اما در روش های مونت کارلو، که جزء روش های کاتوره ای هستند، هر پیکربندی فقط به پیکربندی قبل از خود وابسته است.
بر خلاف روش های مکانیک کوانتومی (که در آن اثرات الکترون ها در نظر گرفته می شوند) می توان از روش های دینامیک مولکولی (که فقط هسته ها در نظر گرفته می شوند) برای بررسی رفتار دینامیکی ماکرومولکول های زیستی مانند پروتئین ها، اسیدهای نوکلئیک (DNA, RNA) و ... استفاده کرد.
شبیه سازی دینامیک مولکولی
شبیه سازی های دینامیک مولکولی اطلاعاتی در سطح میکروسکوپی (موقعیت و سرعت اتم ها) تولید می کنند.
تبدیل این داده ها به مقادیر ماکروسکوپی (فشار، انرژی ...) به کمک مکانیک آماری انجام می شود. در واقع، دینامیک مولکولی و مکانیک آماری مفاهیم میکروسکوپی و کمیت های مشاهده پذیر ماکروسکوپی را به هم مرتبط می سازند.
در شبیه سازی های دینامیک مولکولی از قانون دوم نیوتن برای بررسی تحول زمانی سیستم ها استفاده می شود. با حل معادلات حرکت نیوتن، موقعیت اتم i (ri) در یک سیستم N اتمی به دست می آید:

mi جرم اتم و Fi نیرویی است که بقیه اتم ها به اتم i وارد می کنند. در معادله (1-1) نیرو از گرادیان انرژی پتانسیل نسبت به موقعیت ها به دست می آید. در حقیقت، در روش های شبیه سازی دینامیک مولکولی با داشتن موقعیت ها و سرعت های اولیه، می توان تحول زمانی سیستم را بررسی کرد. با انتگرالگیری از معادلات حرکت نیوتن یک مسیر به دست می آید که چگونگی تغییر موقعیت، سرعت و شتاب ذرات را با زمان نشان می دهد. در دینامیک مولکولی برای اندازه گیری یک کمیت فیزیکی باید میانگین زمانی آن کمیت در مسیر سیستم محاسبه شود. از آنجا که خواص فیزیکی معمولاً تابعی از موقعیت و سرعت ذرات هستند، بنابراین، مقدار لحظه ای کمیت فیزیکی A در زمان t به صورت زیر تعریف می شود:

میانگین کمیت A برابر است با

M تعداد مراحل و t اندیسی برای نشان دادن گام¬های زمانی شبیه سازی است.
با توجه به موضوع همگرایی علوم در سال های اخیر می توان شبیه سازی دینامیک ملکولی را یکی از زمینه های تحقیقاتی در شیمی، فیزیک و زیست محاسباتی دانست. در اكثر مطالعاتي كه بر روي سيستمهاي زيستي انجام مي شوند، جزئيات حركات ذرات سازنده سيستم بسيار اهميت دارند. از اینرو می توان کاربرد اصلی شبیه سازی های دینامیک مولکولی را در ارتباط با سیستم های زیستی در نظر گرفت. بکارگیری شبیه سازی های دینامیک مولکولی اطلاعاتی را در سطح اتمی در اختیار قرار می دهد که ممکن است از دید روش های متداول تجربی پنهان بماند. در حقیقت، شبیه سازی های دینامیک مولکولی ابزار مکملی برای تکنیک های تجربی می باشند.

از کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های زیستی می توان به موارد کلی زیر اشاره کرد:

- بررسی برهمکنش میان ماکرومولکول ها شامل (پروتئین-پروتئین، پروتئین- اسید نوکلئیک، پروتئین-لیپید)

- بررسی برهمکنش میان ماکرومولکول ها و لیگاند/ دارو شامل (پروتئین- لیگاند، اسید نوکلئیک- دارو، لیپید- دارو)

- یافتن اجزای مهم (دخیل) در یک برهمکنش خاص

- بررسی فرایندهای folding و unfolding

- بررسی تغییراتِ پارامترهای ساختاری در هر یک از فرایندهای زیستی

- بررسی تغییراتِ پارامترهای ترمودینامیکی (انرژی آزاد اتصال) در هر یک از فرایندهای زیستی

- بررسی مکانیسم عمل موتورهای مولکولی

- بررسی تغییرات ایجاد شده در ماکرومولکول ها پس از جهش (موتاسیون)

همچنین می توان به کاربردهای شبیه سازی های دینامیک مولکولی در سیستم های غیر زیستی نیز اشاره کرد:

- بررسی نانولوله های کربنی

- بررسی نانو صفحات کربنی

- بررسی جذب گاز بر روی نانولوله و نانو صفحات کربنی

- بررسی برهمکنش لیگاند یا دارو با نانولوله های کربنی

در مطالب ارائه شده در آینده به معرفی مقالاتی در رابطه با موضوعات مذکور خواهیم پرداخت.